语音

原生语音——语音转文字输入、文字转语音输出、吉祥物口型同步，以及可实时收听和发言的 Google Meet 代理。

OpenHuman 在你希望时就是语音优先的。STT、TTS 和实时 Google Meet 代理都是核心功能，而不是第三方插件。

语音转文本

• 热键 - 按住说话和切换模式。

• 音频捕获 - 跨平台麦克风捕获，带语音活动检测。

• 流式转录 - 你说话时文字会实时出现。

• 幻觉过滤器 - 去除常见的无关产物（“感谢观看”、由静默触发的短语）。

• 后处理 - 标点、大小写、听写清理。

听写内容可以替换桌面上的当前文本输入，或直接发送到与代理的聊天中。

文本转语音

回复语音通过托管的 TTS 模型路由。代理的回复可以用你选择的声音朗读出来，具有自然的节奏和韵律。每个用户都可以配置语音选择，吉祥物头像通过 viseme 映射与音频流同步口型。

OpenHuman 的旗舰语音集成：

通过内置 WebView 加入 Google Meet。

• 将音频实时流式传输到 STT，转录通话中的每个人，并将结构化笔记写入

• ，随着会议进行。 记忆树 当你让它发言时（或者它判断有有用内容要补充时），它会通过 TTS 模型生成音频并

• 以对外发送的摄像头/麦克风流形式回放到会议中 这样其他参与者就真的能听到。音频捕获在本地进行。流式 STT 通过 OpenHuman 后端；除实时转录外不保留任何录音。

隐私

• TTS 音频以流式传输并丢弃——不存储任何内容。

• 会议转录会像其他来源一样保存到你的本地记忆树中。

• - Meet 转录和笔记所在的位置。

另请参阅

• 记忆树 - Meet 的大脑使用

• 自动模型路由 用于低延迟的对话轮次。 hint:fast 用于低延迟的对话轮次。